KL 正则化多臂老虎机实现近最优遗憾界

针对 KL 正则化多臂老虎机（MAB）的统计效率问题，新研究通过对 KL-UCB 算法进行 peeling 分析，首次推导出与臂数 $K$ 呈线性关系的高概率遗憾上界 $\tilde{O}(\eta K\log^2T)$。